방과후 동아리실

AI 맛깔나게 파먹기2

방동실 — Fri, 25 Sep 2026 16:02:51 +0900

1편: https://localhost3000.tistory.com/1

OpenAI 맛깔나게 파먹기1

OpenAI 모델 중 하나인 챗지피티는 새로운 모델 'GPT-6 Astra(아스트라)'를 선보였고, 해당 모델은 AI체계에 큰 변화를 불러일으켰다(최초 보안등급 크리티컬, 일주일 만에 언리얼 엔진으로 맨헤튼 학

localhost3000.tistory.com

아 어디까지 했더라...

아 맞아, 다트머스 회의까지 했지! 그럼 오늘은 전에 설명못했던 AI의 암흑기부터 설명해보자.

AI 암흑기

1956년 다트머스 회의에서 인공지능이라는 용어가 처음 사용되었다는 것은 기억할 것이다. 거기서 두 학파로 나뉘게 되고 의견이 충돌하며 AI 발전은 첫번째 암흑기를 맞이한다.

시기는 1970년대 초반부터 1980년대 초반. 이름하여 'AI의 겨울'.

이 시점 전을 깔끔히 설명하자면, 당대 기술의 한계로 인간 수준의 지능을 구현하지 못했기 때문이다. 그럼 이후부터 설명해보자.

시기는 1970년~1980년대 초반이라는거 기억하고 있겠지? 원인을 설명하자면 크게 3개로 나뉜다.

1. 과장된 기대

초기 연구자들은 몇 년 안에 인간 수준의 AI가 만들어질 것이라며 정부와 기관을 설득해 거액의 지원금을 받았지만 성과가 턱없이 부족했다.

2. 기술적 한계

당시 컴퓨터의 처리 능력과 메모리가 너무 부족했고, 복잡한 현실 세계의 문제를 풀기에는 알고리즘이 단수했다.

"잠시만요, 컴퓨터 처리 능력? 메모리? 그게 뭐에요?"

아마 자세한 설명은 나중에 시간이 되면 풀겠지만, 간단하게 말해주자면 우리가 쓰고있는 최신형 휴대폰 앱 같은거를(배그, 기타 서브컬쳐 등) 1980년대 삐삐나 흑백 피처폰같은 지금으로 보면 구데기 폰에서 실행하려고 한 셈이다. 당연히 안 돌아갈 것이다. 왜? 사양이 딸리니까~

마지막 3번은 지원 중단이다. 릴레이 보고서 등 비관적 평가가 이어지며 미국과 영국 정부 기관들이 AI 연구 지원가 예산을 대폭 삭감했다. 성과가 안나오니 당연한 일이었다.

보고서를 뭘 썼냐고? 영국 과학연구위원회의 요청으로 응용수학자 제임스 라이트힐 경이 쓴 보고서에 의하면 AI 연구 실태를 전수 조사했다. 그리고 그는 AI 연구가 장난감 수준의 문제만 붙잡고 잇다고 혹평했고, 이 보고서 직후 영국 정부는 대부분 대학의 AI 연구비를 삭감하거나 전면 중단했다. 비슷한 시기 미국 DARPA 역시 일반적인 AI 연구 자금을 대폭 회수했다.

"대폭 삭감? 심지어 회수? 그러면 AI 망하는거 아니에요?"

그래서 1974년부터 80년까지 AI분야는 철저히 외면받았다. 수많은 AI 전문 연구소가 문을 닫았고, 학자들은 생계를 위해 다른 학문 분야로 흩어졌다. 또 학계와 산업계에서는 연구비 지원을 받기 위해 일부터 "인공지능"이라는 단어를 숨기고 '컴퓨터 과학'이나 '정보 처리' 등 다른 이름을 내세워야만 했다.

"망했네 망했어..."

"근데 잠깐, 1편에서 인간은 발전한다고 했잖아요. 이때 망했으면 지금 ai가 이렇게 발전 못하는거 아닌가요?"

맞다. 그리고 이 겨울은 1980년대 초반, 인간 전문가의 지식을 컴퓨터에 주입해 특정 분야의 문제만 풀게 만드는 '전문가 시스템'이 상업적 성공을 거두면서 이 겨울이 끝나고 봄을 맞이하게 된다.

"대체 전문가 시스템이 뭐길래 망해가던 AI를 살린거에요?"

아까 위에서 말했듯, 전문가의 지식을 컴퓨터에 주입해 특정 분야의 문제만 풀게하는 기술이다. 해당 분야의 최고 전문가들을 찾아가 그들의 노하우를 수만 가지의 조건문(If-Then 규칙, 만약 ~라면, ~이다) 형태로 컴퓨터에 입력했다. 그리고 이것은 상식이나 자율적인 사고 능력은 전혀 없지만, 의학 진단과 광물 탐사, 금융 투자 분석처럼 정해진 좁은 영역 안에서는 인간 전문가 못지 않은 정확도를 자랑했다.

성공 사례로 예시를 들면 XCON으로, 디지털 이큅먼트 코퍼레이션(DEC)이라는 컴퓨터 회사가 도입한 시스템으로, 고객이 주문한 컴퓨터 부품 조합에 오류가 없는지 자동으로 검사해주는데, 매년 수천만 달러의 비용을 절감하며 "Ai는 실제로 돈이 된다"는 것을 전 세계 기업들에게 증명한 사례이다.

이런 AI가 산업적 가치를 증명하자, 정부와 기업들은 다시 막대한 자금을 쏟아부었다. 일본은 5세대 컴퓨터 프로젝트를 진행하며 인공지능 처리에 특화된 혁신적인 슈퍼컴퓨터를 만들겠다며 약 4억 닥ㄹ러의 예산을 투입했고 이에 위기감을 느낀 미국과 유럽 정부도 대규모 국가 AI 프로젝트를 가동하며 경쟁이 붙었다.

또 이 당시에 AI 하드웨어 시장이 탄생했는데, AI 전용 프로그래밍 언어인 리스프를 전용으로 실행하는 머신이라는 고가의 특수 컴퓨터가 불티나게 팔렸다. 심볼릭스 같은 AI 하드웨어 벤쳐기업들이 엄청난 몸값을 자랑하며 증시에 상장되기도 했다.

사실 AI 암흑기 때 망한건 Ai 뿐만이 아니었다. 뇌 세포 모방 기술 또한 마빈 민스키에 의해 거의 궤멸을 당했는데 이게 이 시기에 극적으로 부활했다.

그러나... 이 두 번째 봄도 오래가지는 못했는데.

"아니 또 왜요? 또 뭐가 망해요?"

1980년대 후반에 접어들며 전문가 시스템은 '인간이 규칙을 일일이 손으로 타이핑해 넣어야 해서 유지보수가 불가능하다'는 치명적인 한계에 부딪혔고, 이로 인해 역사상 가장 혹독한 두 번째 AI의 겨울이 찾아오게 된다.

1편보다는 이야기가 조금 짧지만 그래도 암흑기와 항금기를 잘 설명해낸 것 같다. 다음 3편에 진행할 이야기는...

뭐가 좋으려나.

[자료 및 출처]

한국글로벌널리지 - https://www.youtube.com/watch?v=k__JkhBS8lE&t=366s

위키피디아 - https://en.wikipedia.org/wiki/Lighthill_report

ai타임스 - https://www.aitimes.com/news/articleView.html?idxno=169778

https://www.aitimes.com/news/articleView.html?idxno=169778

[AI의 역사] 38 혹독한 겨울의 시작을 알리는 마지막 치명타 – 연구와 자금 - AI타임스

기초과학 연구는 단기간에 투자비를 회수하기가 힘들고 긴 연구 시간과 막대한 자금이 들어가는 것이 일반적이므로, 과학자나 연구자의 열정만으로 수행되기는 어렵다. 따

www.aitimes.com

earticle - https://www.earticle.net/Article/A289101

인공지능의 겨울, 그리고 도래할 계절 : 1974-1980 첫 번째 AI Winter의 재발견과 현재의 지능성에 대

1. 연구 배경 및 목적: 왜 대부분의 사람들은 ‘인공지능의 겨울(AI Winter)’을 잊었을까. 인공지능의 역사에서 1974년부터 1980년은 첫 번째 암흑기(AI Winter)로 알려져 있다. 본 논문은 R. P. Gabriel이

www.earticle.net

achievements.ai - https://achievements.ai/milestone/first-ai-winter

First AI Winter: Lighthill Report and DARPA Funding Cuts (1973) | AI Achievements

In 1973, James Lighthill's report for the British Science Research Council assessed artificial intelligence research and found it had failed to meet its go

achievements.ai

OpenAI 맛깔나게 파먹기1

방동실 — Thu, 24 Sep 2026 18:27:11 +0900

OpenAI 모델 중 하나인 챗지피티는 새로운 모델 'GPT-6 Astra(아스트라)'를 선보였고, 해당 모델은 AI체계에 큰 변화를 불러일으켰다(최초 보안등급 크리티컬, 일주일 만에 언리얼 엔진으로 맨헤튼 학습 등).

AI는 끊임없이 발전하고 나아가 인간이 하지 못하는 것들을 돕는 등, 다양한 방법으로든 쓰일 것이다. 그렇다면 지금의 인간은 무얼 할 수 있나?

당연히 AI를 써야한다. 나아가 우리는 어떻게 이 AI를 효율적으로 다루고, 또 이것으로 무엇을 할 수 있는지 생각해보아야한다. 하여, 이 글은 그런 AI를 다루는 내용이다.

(필자는 월 3만원을 챗지피티한테 받치고있다.)

1. AI는 무엇인가

우선 AI의 정의를 살펴보자면 Artificial Intelligence, 줄여서 AI로 인공 지능이라는 뜻을 가지고 있다. 인공지능이라는 단어는 1950년, 컴퓨터가 막 보급되던 시기에 과학자들이 "기계는 스스로 생각할 수 있을까?"라는 의문을 가졌고 이것이 오늘날 AI의 초석을 다지는 질문이었다.

역사적으로 AI의 발전에 기여한 사건은 두가지가 있다. 첫번째는 앨런 튜링의 '튜링 테스트'와 두번째는 '다트머스 회의'이다. 우선 앨런 튜링의 튜링 테스트를 알아보자. 광대하게 '이 사람이 누구이고, 그 생애가 어땠느냐!' 같은게 아니라 그냥 뭘 했는지만 살펴보자.

앨런 튜링

처음은 1936년이다. 당시 앨런 튜링의 나이는 24세였고 그는 젊은 나이에 자신이 발표한 논문에 '튜링 기계'라는 개념을 제안했다. 원리를 살펴보자면, 테이프에 적힌 기호를 읽어들이고, 일정 규칙에 따라 기호를 지우거나 새로 쓰며 움직이는 가상의 장치이다. 후에 이는 소프트웨어만 바꾸면 하나의 기계가 어떤 계산이든 다 처리할 수 있다는 현대 컴퓨터의 핵심 원리를 최초로 수학적으로 증명하는 사례가 된다. 이 가상의 테이프는 메모리로, 규칙표는 CPU로 발전하게 된다.

이후 우리는 의심을 가지게 될 것이다(아님말고).

"엥, 이렇게 보면 그냥 수학자 아닌가요? 암호학자는 어디서 온거에요?"

이제 설명해줄거다. 사건은 바야흐로 제 2차 세계대전이 한참이던 1939~1945년이다. 앨런 튜링은 전쟁이 터지자 영국의 기밀 암호 해독 본부인 '블레치리 파크(나도 얘가 정확히 뭔지는 모름)'에서 활약했다. 역사에 조금 관심이 있거나 이런 분야에 관심이 있는 이들은 알수도 있겠지만, 당시 독일군은 암호 생성기인 '애니그마'를 사용했다.

"애니그마...? 먹는건가?"

자세히 설명하면 분명히 이 글을 건너뛸 것이기에, 아주 짧고 간단하게 설명하겠다. 애니그마의 어원은 고대 그리스 '수수께끼'를 뜻하는 '아이니그마'에서 유래되었고 타자기와 비슷한 자판을 치면 내부 회전 장치(로터)와 전기 배선을 거쳐 다른 알파벳에 불이 들어오는 방식으로 작동했다. 키를 누를때마다 로터가 움직이며 매번 다른 문자로 치환되어 같은 알파벳을 입력해도 다른 암호문이 출력되었다.

"엥 그럼 계속 바뀌는데 해독은 어떻게 한거에요?"

여기서 앨런 튜링은 "아니 잠깐, 암호는 기계가 만드는데 그럼 기계로 풀면 그만 아님?" 이라는 생각을 했다. 이후 그는 '봄베'라는 기계를 개발하여 독일군의 핵심 기밀을 모두 읽어내고 전쟁을 최소 2년 이상 단축하고 1,400만 명 이상의 목숨을 구했다고 평가받는다. 그리고 이를 영화로 만든 것이 <이미테이션 게임>이다.

"아하, 왜그런지 알겠네. 근데 이게 AI발전이랑 무슨 관련이 있어요?"

이건 앨런 튜링이 뭘 했는지에 관한 업적들이다. 그리고 지금 얘기하는 이 사건이 AI의 발전에 기여한 큰 사건 중 하나이다.

지금 할 얘기가 바로 1950년, AI 역사 중 핵심적인 두 사건 중 하나인 '튜링 테스트'이다. 여기서 간단하게 설명하자면, 우리가 매일 회원가입할 때 흔히 보는 캡챠와 로봇이 아닌지 인증해주세요. 같은 것들, 이것이 바로 튜링 테스트의 한 종류이다. 다만 이것은 오리지널과 조금 달라 역 튜링 테스트라고 부른다.

그럼 튜링 테스트가 뭐냐? 바로 기계가 인간과 구별할 수 없을 정도로 지능적인 행동을 할 수 있는지를 판별하는 인공지능 검사 방법이다. 이 테스트는 철저히 블라인드 텍스트 대화 방식으로 진행되며, 세 명의 참가자가 등장한다. 예를 들어보자.

방 ㄷ (심사위원 / 인간): 격리된 방에서 컴퓨터 화면과 키보드(텍스트)로만 질문을 던짐.

방 ㄱ (인공지능): 심사위원을 속여 자신을 인간이라고 믿게 만들어야함.

방 ㄴ ( 비교 대상 / 인간): 자신이 진짜 인간임을 증명해야함.

제한 시간 동안 자유롭게 대화를 나눈 후, 심사위원이 어느 쪽이 기계이고 어느 쪽이 인간인지 구별해 내지 못한다면 기계가 지능을 가졌다고 판정하는 것이다.

"근데 그러면 너무 비정확하지 않나요?"

맞다. 초기에는 완벽해 보이던 이 테스트는 AI 기술이 발전하며 여러 맹점과 한계가 명확하게 들어났다. 그리고 최근 AI 기술이 비약적으로 발전하면서 전통적인 오리지널 튜링 테스트는 사실상 무력화되었다.

"그럼 큰일나는 거 아닌가요? AI가 막 사람도 속이면서 범죄를...!"

갈!!!! 일단 들어봐, 비록 오리지널은 무력화됬지만 인간은 발전하잖아.

맞다. 인간은 발전한다. 그래서 새로운 평가 기준(벤치마크)이 등장하였다. 그 중 대표적인 방법이 MMLU와 GSM8K / MATH이다. 설명하기 귀찮긴한데, 굳이 해주자면 MMLU는 AI 지식 측정의 글로벌 표준으로, 초등 수학부터 대학 수준의 물리 등 다양한 문제를 풀어 지식의 깊이를 측정하는 방식이다. 그리고 GSM8K / MATH는 수학적 추론 능력을 평가하는 것으로 복잡한 문제를 다루는 것을 말한다.

다트머스 회의

다음은 마지막 사건이다. 배경은 1956년 여름, 미국 뉴햄프셔주 다트머스 대학교에서 열린 학술 모임으로, 인공지능이라는 학문 분야가 공식적으로 탄생한 역사적인 사건이다.

그럼 앨런 튜링 때는 이런 학문이 없었냐? 당시에는 아마 '사람같은 기계'로만 생각했던 것 같다. 자세한건 잘 몰?루.

본론으로 돌아가자면, 인공지능 용어는 회의를 기획한 젊은 수학자 '존 매카시'는 연구 기금을 지원받기 위해 1955년에 작성한 제안서에 '인공지능'이라는 단어를 최초로 사용했다. 그전까지는 '오토마타 연구', '사이버네틱스' 등 학자마다 제각각의 이름을 사용했지만 AI라는 하나의 명확한 이름으로 통합시킨 계기가 되었다.

이후 존 매카시, 마빈 민스키, 클로드 섀년, 너새니얼 로체스터 등 4명의 선구자가 연명으로 제출한 다트머스 제안서의 핵심 가설은 다음과 같다.

"인간 학습의 모든 측면이나 지능의 모든 특징은 원칙적으로 매우 정밀하게 묘사될 수 있으므로, 기계가 이를 모방(시뮬레이션)하도록 만들 수 있다는 가설 위에 연구를 진행한다."

이들은 컴퓨터가 언어를 사용하고, 개념과 추상화를 형성하며, 사람이 푸는 문제를 해결하고, 스스로 성능을 개선할 수 있는 방법을 찾고자 했다. 그리고 약 6~8주동안 진행된 이 워크숍에는 당대 천재 과학자 20여 명이 자유롭게 보여 브레인스토밍을 했고 이 과정에서 기계를 지능적이게 만드는 방법을 두고 오늘날까지 이어지는 AI의 두 거대한 학파가 갈라지게 되었다.

"지능은 논리와 규칙에서 온다"는 기호주의와 "지능은 학습에서 온다"는 연결주의로 나뉘게 된 것이다.

"엥, 갈라진거면 실패한거에요?"

결과로 보자면 그렇다. 애초 목표와 달리 짧은 여름 한 철 동안 인간 수준의 AI를 구현하는 구체적인 성과나 공동 최종 보고서를 도출하지 못했다. 그러나 성과는 있었다. 지속 가능한 공동체가 형성된 것이다. 이 선구자들 덕분에 '인공지능'이라는 독자적인 학문 생태계가 최초로 구축된 것이다.

그러나 다트머스 회의 이후 그들은 기술적 한계에 부딪히며 연구비가 끊기는 대참사와 함께 '첫 번째 AI 암흑기'를 맞이하게 되는데...

이걸 설명하기 전, 예상보다 글이 길어졌으므로 남은 이야기들은 다음 글에서 하겠다.

[자료 및 출처]

Sk하이닉스 뉴스룸 - https://news.skhynix.co.kr/all-around-ai-1/

위키피디아 -

https://ko.wikipedia.org/wiki/%ED%8A%9C%EB%A7%81_%EA%B2%80%EC%82%AC

https://ko.wikipedia.org/wiki/%EB%8B%A4%ED%8A%B8%EB%A8%B8%EC%8A%A4_%ED%9A%8C%EC%9D%98

AI타임스 - https://www.aitimes.com/news/articleView.html?idxno=168028

Cloudflare - https://www.cloudflare.com/ko-kr/learning/ai/history-of-ai/

VOA한국어 - https://www.youtube.com/watch?v=iEdogPb7mBE&t=2s

YTN사이언스 - https://m.science.ytn.co.kr/program/view_hotclip.php?mcd=1099&key=202108051619152405

Britannica - https://www.britannica.com/biography/Alan-Turing

The University of Edinburgh - https://blogs.ed.ac.uk/mathematics/2025/03/12/alan-turing-the-legacy-of-a-pioneer-in-computing-and-ai/

Alan Turing: The legacy of a pioneer in computing and AI – School of Mathematics

Alan Turing (1912-1954), widely considered to be the father of theoretical computer science and artificial intelligence, left an indelible impact on technology and history. His pioneering work laid the foundations for the computers we rely on today. Born i

blogs.ed.ac.uk

Datacamp - https://www.datacamp.com/blog/what-is-mmlu

위키독스 - https://wikidocs.net/250039

What is MMLU? LLM Benchmark Explained and Why It Matters

Explore the MMLU benchmark: a key tool for LLM evaluation. Understand what MMLU is, its dataset, scoring, and its impact on AI model performance and research.